أدخل المتوسط سعر λ (events لكل فترة) وعدّ k إلى احصل دقيق Poisson probabilities — قياسي model لـcalls لكل ساعة، arrivals لكل يوم، defects لكل batch وآخر عدّ events.
عندما events occur independently عند تقريبًا constant متوسط سعر وأنت عدّ لهم في ثابت فترة — arrivals، calls، typos لكل صفحة، decay يُحسب. إذا events cluster أو السعر swings wildly، model understates extremes.
مقياس λ مع الفترة: 3 calls لكل ساعة λ = 6 لكل اثنان ساعات وλ = 0.05 لكل دقيقة. distribution فقط ever انظر السعر لـالفترة أنت choose.
بواسطة summing دقيق مدة P (X = أنا) أعلى إلى k — لا approximations — وP (X ≥ k) = 1 − P (X ≤ k − 1).
كلاهما يساوي λ. ذلك equality سريع reality تحقق في حقيقي data: إذا variance far أعلاه متوسط (overdispersion)، Poisson قد لا fit.
P (X = k) = e ^ (− λ) λ ^ k ÷ k!، evaluated في log form (k × ln λ − λ − ln (k!)) لـnumerical stability. متوسط = variance = λ.
Inputs: λ = 3، k = 2.
خطوات: P (X = 2) = e ^ (− 3) × 3 ² ÷ 2! = 0.049787 × 9 ÷ 2 = 0.049787 × 4.5 = 0.2240. P (X ≤ 1) = e ^ (− 3) × (1 + 3) = 0.049787 × 4 = 0.1991.
نتيجة: P (X = 2) = 22.40%؛ P (X ≤ 1) = 19.91%.
اجمع هذا حاسبة إلى الخاص به website أو blog — إنه completely مجاني، يحتاج دون تسجيل، ودائمًا يعرض latest version. Copy الرمز أدناه وpaste إنه إلى صفحة where أنت تريد الحاسبة إلى يظهر. احتفظ صغير &ldquo؛ قدرة بواسطة Loona Automation &rdquo؛ credit سطر تحت embed يساعد احتفظ هذا أداة مجاني — لكن أنت مجاني إلى style أو remove إنه؛ الأداة يعمل أي من طريقة.